风电功率预测系统功能规范 （试行） 国家电网公司调度通信中心
目次 前言...................................................................... III 1范围. (1) 2术语和定义 (1) 3数据准备 (2) 4数据采集与处理 (3) 5风电功率预测 (5) 6统计分析 (6) 7界面要求 (7) 8安全防护要求 (8) 9系统输出接口 (8) 10性能要求 (9) 附录A 误差计算方法 (10)
前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。 本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。 本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 本规范由国家电网公司国家电力调度通信中心提出并负责解释； 本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。 本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。
风电功率预测系统功能规范 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。 本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1 风电场 Wind Farm 由一批风电机组或风电机组群组成的发电站。 2.2 数值天气预报 Numerical Weather Prediction 根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3 风电功率预测 Wind Power Forecasting 以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4 短期风电功率预测 Short term Wind Power Forecasting 未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5 超短期风电功率预测 ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。
关于短期及超短期风电功率预测的分析 发表时间：2020-03-14T14:01:00.437Z 来源：《福光技术》2019年32期作者：张俊林徐元中[导读] 风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响日益彰显，及时、精确地预测风电功率（WP）动态的意义大。 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室湖北省武汉市 430068 摘要：风电的不确定性对电力系统与电力市场的稳定性、充裕性及经济性的影响日益彰显，及时、精确地预测风电功率（WP）动态的意义大。风电功率预测（WPP）根据风速及相关因素的历史数据和当前状态，定性或定量地推测其此后的演化过程。本文就对短期及超短期风电功率预测相关内容展开分析。 关键词：短期；超短期；风电功率；预测 引言 WP 的整体不确定性由其随机性及模糊性构成。有效的 WPP 虽然不会减少 WP 的随机性，但是可以降低其模糊性，从而使 WP 的整体不确定范围降低到WPP 的最大误差区间，减小了WP 对电力系统及电力市场的扰动。 分析影响 WPP 精度的因素第一，气象的历史数据与实时数据的缺失，风电场数据采集、传输与处理设施的缺陷，都会影响WPP 的精度。数据预处理技术包括数据同步、异常数据的识别与处理、缺失数据的替代等。第二，预测策略。例如，直接预测 WP 或通过风速预测；直接预测整个风电场的WP 或根据部分风机的预测值及空间相关性推算；采用逐一累加方式或统计升尺度方式推算区域风电场群功率。一般来说，能反映更多具体数据的预测策略可以得到更高的精度，但需要更多的数据与计算量。第三，数值天气预报（NWP）在大气实际的初值和边值条件下，数值求解天气演变过程的流体力学和热力学模型，根据空间网格中的平均值推算实际风电场地表风速的非均匀分布，并预测其动态变化。由于计及了等高线与等地形信息，以及地表粗糙度等地貌信息，通过微观气象学方法可以得到各风机轮毂高度的风速、风向等信息。然后将风速的推算值转换为风能，其精度与 NWP 的精度、网格大小、刷新周期等密切相关。第四，预测方法。物理计算法、时序外推法、人工智能（AI）法分别从空间、时间与样本分类的观点推算。它们依据的数据源、预测模型、误差特性都有所不同。若能巧妙地互补不同方法的优点，可更好地反映风速的时空演变特性。 分析 WPP 方法的研究现状基于 NWP 的物理模型计算 NWP 将天气的物理过程概括成一组物理定律，并表达成数学方程组。然后在已知的初始值及边界条件下，逐个时间段地往前联立求解描述天气演变过程的热力学和流体力学方程组，预测未来的气象数据，再结合风电场周围的地形地貌，计算风电机组轮毂高度处的风速与风向等，最后通过该机的功率 TC 得到 WPP。其技术要点包括：采用高性能计算机求解偏微分方程组的数值解；采用网格嵌套的方法减少计算量；为目标区域定制预报模型；通过观测数据的同化提高预报质量。基于 NWP 的物理模型预测方法除了能够充分考虑风电场的物理和环境因素以外，其最大的优势在于不需要积累大量的历史数据，因此特别适合新建风电场的 WPP。但由于 NWP 的更新频率较低，难以满足超短期预测的要求，仅适合短期及中长期预测。 基于统计观点的外推模型时序外推法通过归纳风速（或 WP）历史数据的时间序列之间的统计规律，建立WPP 值与最近期WP 时间序列之间的线性或非线性映射。由于历史数据序列反映了流体、热力、地形地貌等因素的影响，故基于统计观点的外推模型可以回避对物理机理掌握不够的困难。但是外推法隐含下述假设：第一，连续性，即影响事物未来轨迹的那些因素及规律，与该时刻之前一段时间基本保持不变；第二，渐进性，即事物以缓慢而渐进的方式演化，短期内不会突变。这些假设不但会使外推法在系统结构或边界条件于预测时效内发生突变时失效，即使在系统缓慢变化期间，其预测误差也会随着预测时效的增加而迅速增加，影响外推法的适用性及强壮性。 时间序列预测法经典的时间序列预测法。时间序列预测法根据目标变量本身随时间变化的趋势外推，较适用于气象信息有限的风电场进行超短期预测。由于无需考虑更多的气象信息，故具有建模简单且计算量少的优点。但输入数据单一的特点也使其难以考虑其他信息的影响，无法按不同的边界条件来修正预测模型，故除了建模时需要大量历史数据外，其强壮性更差，难以应对突变状况；且预测精度也随着预测时效的增加而迅速降低。经典的时间序列预测法，包括持续法、移动平均法和自回归移动平均（ARMA）法。持续法将最近一点的实测值作为下一时刻的预测值，简单并常被用做新算法的比较基准。移动平均法随着时间序列移动一个宽度不变的窗口，将其中各项的动态平均值作为下一时刻的预测值，仅适用于系统平稳或小幅波动时。ARMA 法利用滞后的自身数值和随机误差项来解释当前值，并以此预测未来。对于非平稳的 WP 时间序列，通过差分来消除部分不平稳分量。自回归求和移动平均（ARIMA）模型扩展了 ARMA 模型，将时间序列视为随机过程，并被广泛应用于超短期WPP 和短期WPP。 与其他数学分析法的结合。一些学者引入了其他数学分析法来弥补时间序列预测法的不足。例如，分数—自回归求和移动平均（ARIMA）模型通过降低时间序列高阶模型参数估计的难度来提高模型精度。马尔可夫预测法将时间序列看做一个随机过程，通过系统在不同状态下的初始概率以及状态之间的转移概率建立随机型的时序模型。 AI 预测法 AI 算法借助自然界规律或生物智能的启发，设计求解问题的计算机程序。包括模仿人类思维中模糊性概念的模糊算法，主要用于图像处理及模式识别；模仿生物进化和群体智能的进化算法，主要用于决策支持及优化问题；模仿大脑结构及其对信息的处理过程的 ANN 算法，可实现仿真、图像识别等任务。由于 AI 算法不需要按机理建立预测对象的数学模型，而是通过大量实测数据或仿真算例来训练 AI 模型，在其输出与输入变量之间直接建立非线性映射关系，故可用于机理不清楚的场合。 2.2.3ANN
—————————————————— —基金项目：福建省教育厅科技项目（JA08024）；福建省自然科学基金计划资助项目（2008J0018）。 第27卷第1期2011年1月 电网与清洁能源 Power System and Clean Energy Vol.27No.1 Jan.2011文章编号：1674-3814（2011）01-0060-07 中图分类号：TM614 文献标志码：A 风电场风速及风电功率预测方法研究综述 洪翠，林维明，温步瀛 （福州大学电气工程与自动化学院，福建福州350108） Overview on Prediction Methods of Wind Speed and Wind Power HONG Cui,LIN Wei-ming,WEN Bu-ying （College of Electrical Engineering and Automation ，Fuzhou University ，Fuzhou 350108，Fujian Province,China ） ABSTRACT ：Due to the intermittency of wind energy and the non -linearity of power system,there exist many uncertain variables which should be considered in the wind power prediction.The current prediction methods include the physical method, statistical method, learning method and the comprehensive one combining all the other methods.Based on accurate numerical weather prediction （NWP ）,the physical method is seldom used in the short term prediction,as its model is complicated and deals with large quantities of calculations.The model of the statistical method is simple and requires a small amount of data.It can be applied in those situations where data acquisition is difficult.The AI method is suitable in the random or non —linear system as it does not rely on the accurate mode of the objective.The comprehensive method maximizes favorable factors and minimizes unfavorable ones as contained in above-mentioned methods.This paper presents a brief overview on prediction methods of wind speed and wind power,and raises further issues worth further research on the basis of summarizing the previous studies.KEY WORDS:wind power prediction;statistical methods; learning methods;combinatorial prediction 摘要：由于风能的随机性以及电力系统的非线性等原因，预测风电功率时需要考虑众多的不确定因素影响。 现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报（NWP-numerical weather prediction ） 的物理预测方法模型复杂、计算量大，较少用于短期预测；统计预测方法模型简单，数据需求量少， 较适合于数据获取有一定困难的情况；人工智能预测方法不依赖于对象的精确模型，适合于随机非线性系统；综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述，并在总结前人研究的基础上提出了一些可进一步研究的问题。 关键词：风电预测；统计方法；学习方法；综合预测 随着全球石化资源储量的日渐匮乏以及低碳、 环保概念的逐步深化，风能等可再生能源的开发与利用日益受到国际社会的重视。2007年初欧盟曾提出，2020年其可再生能源消费将占到全部能源消费的20%，可再生能源发电量将占到全部发电量的30%[1]。风力发电是风能的主要利用方式之一。2009年，全球风电装机总量已达157.9GW ，较上年增加了37.5GW [2]。中国风能资源仅次于美国和俄罗斯，可利用风能资源共计约10亿kW 。近些年来风电在中国获得了飞速发展，2000年至2009年十年时间，中国风电装机容量从0.34GW 增至25.8GW [3]；2020年，预计全国风电总装机容量将达到30GW [1]。除部分采用离网运行方式外[4]，大容量风电机组多数采用并入电网的运行方式。随着规模越来越 大、数量越来越多的风力发电功率注入电网， 风能具有的随机性对电力系统的影响越来越不可忽视。 1风电预测的意义 准确有效地预测出风电场的输出功率不但可 帮助电力系统调度运行人员做出最有效决策， 还
风电功率预测系统功能规范（试行） 前言 为了规范风电调度技术支持系统的研发、建设及应用，特制订风电功率预测系统功能规范。本规范制订时参考了调度自动化系统相关国家标准、行业标准和国家电网公司企业标准。制订过程中多次召集国家电网公司科研和生产单位的专家共同讨论，广泛征求意见。本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、信息要求、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。本规范由国家电网公司国家电力调度通信中心提出并负责解释；本规范主要起草单位：中国电力科学研究院、吉林省电力有限公司。本规范主要起草人：刘纯、裴哲义、王勃、董存、石永刚、范国英、郭雷。 1范围 1.1本规范规定了风电功率预测系统的功能，主要包括预测时间尺度、数据准备、数据采集与处理、功率预测、统计分析、界面要求、安全防护、接口要求及性能指标等。 1.2本规范用于指导电网调度机构和风电场的风电功率预测系统的研发、建设和应用管理。本规定的适用于国家电网公司经营区域内的各级电网调度机构和风电场。 2术语和定义 2.1风电场Wind Farm由一批风电机组或风电机组群组成的发电站。 2.2数值天气预报Numerical Weather Prediction根据大气实际情况，
在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。 2.3风电功率预测Wind Power Forecasting以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型，以风速、功率或数值天气预报数据作为模型的输入，结合风电场机组的设备状态及运行工况，得到风电场未来的输出功率；预测时间尺度包括短期预测和超短期预测。 2.4短期风电功率预测Short term Wind Power Forecasting未来3天内的风电输出功率预测，时间分辨率不小于15min。 2.5超短期风电功率预测ultra-short term Wind Power Forecasting 0h~4h的风电输出功率预测，时间分辨率不小于15min。 3数据准备 风电功率预测系统建模使用的数据应包括风电场历史功率数据、历史测风塔数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌等数据。 3.1风电场历史功率数据风电场的历史功率数据应不少于1a，时间分辨率应不小于5min。 3.2历史测风塔数据a）测风塔位置应在风电场5km范围内；b）应至少包括10m、70m及以上高程的风速和风向以及气温、气压等信息；c）数据的时间分辨率应不小于10min。 3.3历史数值天气预报历史数值天气预报数据应与历史功率数据相
基于等效平均风速的风力发电功率预测 井天军,阮 睿,杨明皓 (中国农业大学信息与电气工程学院,北京市100083) 摘要:目前应用风速气象数据预测风力发电功率的方法存在较大误差,难以满足工程应用的精度要求。文中基于能量守恒原理提出了风力发电机组等效平均风速的概念,并通过为期1年的现场实验分析得到等效平均风速与最大风速和平均风速的函数关系,由此提出了基于等效平均风速的风力发电功率预测方法,并与以往基于平均风速的风力发电功率预测方法进行了工程应用效果对比,表明基于等效平均风速的预测方法较基于平均风速的预测方法在预测精度方面有明显提高。关键词:等效平均风速;风速预测;风力发电功率中图分类号:TM614 收稿日期:2009204215;修回日期:2009209207。 /十一五0国家科技支撑计划重点项目(2006BAJ04B03)。 0 引言 随着能源与环保问题日益突出,近年来风力发电在全球迅速发展。由于风能是一种间歇性、随机性和波动性很大的一次能源,大规模风力发电的接入对电力系统的规划与运行、调度与控制都带来了新问题。通常解决此问题所采用的方法是在原电力系统基本方法中加入风速或风力发电功率预测环节,因此对随机的、波动很大的、不可调度的风速或风力发电功率的预测方法成为研究的热点。 根据研究目的的不同,风速或风力发电功率预测可以分为3类:1以功率平衡控制为目的的风速、风向预测方法或模拟方法[125],主要用于风力发电控制系统、风力发电机组保护系统和控制器或风轮机机械部件设计等方面,预测所产生风速序列的时间间隔为秒级或分钟级;o以电力系统能量调度为目 的的风速或风力发电功率预测方法[6218] ,预测所产生风速序列的时间间隔为几分钟到数十分钟,预测各时段的平均风速和相应的平均风力发电功率;?用于中长期发电规划和备用发电容量计划的风速或风力发电功率预测方法[19223],此类方法通常预测全年12个月代表日的小时平均风速或月平均风速,利用风速的概率分布函数和统计特征产生相应的模拟风速序列。本文研究主要涉及第2类。 以电力系统能量调度为目的的风速或风力发电功率预测方法可归为2类:1采用时间序列法或时间序列法与人工神经网络等智能方法相结合来预测平均风速,然后根据风力发电机组的功率特性计算 得到相应的输出功率预测值[6210];o采用人工神经网络法、模糊逻辑法、支持向量机法等人工智能算法,以平均风速、风向等气象数据作为输入量,直接预测风力发电机组输出功率[11218]。前者把研究重点放在对风速的预测上,但是尽管风速预测精度非常 高,但风力发电功率预测误差仍然很大[9,17] 。后者用黑匣子原理直接将风速、风向等气象学预测的物理量与风力发电机组输出功率相关联,采用人工智能方法建立输入与输出间的映射关系,使功率预测精度能够满足能量调度的要求,但是这类方法不能给出输入与输出间关系的解析表达式,每次应用都需要大量的样本进行学习。 事实上,即使风速预测数据准确,基于现有风力发电机功率特性也不可能得到符合工程应用精度要求的风力发电功率预测值,其根本原因是电力系统能量调度所预测的风力发电功率是某时段的平均功率,而风力发电机功率特性描述的是发电机输出功率关于任意风速的变化关系。为此,本文提出基于等效平均风速的风力发电功率预测方法,主要用于10min 级超短期风力发电功率预测,统计给出了等效平均风速与平均风速及最大风速的解析表达式。 1 等效平均风速 1.1 等效平均风速的概念与测量 风力发电机组的风速功率曲线表明,当实际风速小于切入风速或大于切出风速时,输出功率为0;当实际风速在切入风速与额定风速之间时,输出功 率与风速间成三次函数曲线关系[24] ;当实际风速超过额定风速而小于切出风速时,输出功率近似为恒功率输出。 称电力系统能量调度最小时间间隔为统计时 ) 83 ) 第33卷 第24期2009年12月25 日Vol.33 No.24Dec.25,2009
风功率预测系统使用手册(v2.0)
精品文档 风电场风能预报智能管理系统 使用手册 北京国能日新系统控制技术有限公司 2011 年11 月16 日
目录 目录................................................................................................................................................. I 第一章系统操作 (1) 1.1 主界面 (1) 1.2 用户管理 (2) 1.2.1 用户登录 (2) 1.2.2 用户设置 (3) 1.2.3 用户注销 (5) 1.3 系统设置 (5) 1.3.1 风场设置 (6) 1.3.2 机组型号设置 (7) 1.3.3 测风塔设置 (9) 1.3.4 预测设置 (11) 1.4 状态监测 (13) 1.4.1 系统状态 (13) 1.4.2 风机状态 (14) 1.5 预测曲线 (14) 1.5.1 短期预测曲线 (14) 1.5.2 超短期预测曲线 (16) 1.5.3 风速预测 (17) 1.6 气象信息 (19) 1.6.1 风速曲线 (19) 1.6.2 风廓线 (20) 1.6.3 直方图 (20) 1.6.4 玫瑰图 (21) 1.7 统计分析 (22) 1.7.1 完整性统计 (22) 1.7.2.频率分布统计 (23) 1.7.3 误差统计 (24) 1.7.4 事件查询 (26) 1.7.5 综合查询 (27) 1.8 报表 (28) 第二章系统维护 (30) 2.1 数据库连接不上 (30) 2.2 短期预测数据不显示 (30) 2.3 超短期预测数据不显示 (30) 2.4 接收实发功率异常 (30)
CSC-800W功率优化控制子站后台操作说明 目录 CSC-800W功率优化控制子站后台操作说明 (1) 1 系统运行 (2) 2 系统介绍 (2) 2.1标题栏 (2) 2.2有功监控 (3) 2.3 主接线图................................................................................ 错误！未定义书签。 2.4 历史曲线 (6) 2.5 定值管理 (10) 2.6 报表统计 (13) 2.7 历史事件 (14) 2.8 系统日志 (14) 2.9 系统状态 (15) 2.10 实时报警 (15)
1 系统运行 在桌面上双击图标，进入工程管理器 点击运行工程，进入运行态。 点击标题栏右侧图标，弹出用户登录窗口 选择用户名，输入密码登录,密码为空 2 系统介绍 2.1标题栏
用鼠标停留在标题栏中的图标上，会显示图标名称，点击图标可以打开相应的画面，其中有功显示、无功显示、历史曲线画面为覆盖式窗口，定值管理、曲线管理、报表统计、历史事件、操作日志、系统状态为弹出式窗口。当前用户显示当前登录的用户。 2.2有功监控 参数监视：显示有功控制功能的工作模式和风电场相关数据。 状态监视：显示系统的运行的状态和报警。 控制方式设置：有功调节压板、工作模式、指令方式、一次调频和联合动力AGC状态的显示及对其进行操作。 风场功率曲线：显示风电场的实际有功、目标有功和理论有功实时曲线。 机群功率曲线：显示风机机群的实际有功、目标有功和理论有功实时曲线。 2.2.1 参数监视 工作模式：对有功调节功能处于调试还是运行模式的显示。在调试方式下，只是运行逻辑，不向风机下发有功控令；在运行模式下，既运行逻辑，也向风机下发有功控令。 指令方式：对控制方式设置中相应状态的显示。 在人工指令方式下，可点击参数监视区的人工设定，人工手动输入目标有功； 在计划指令方式下，目标有功为有功计划中96个有功计划值的相应时段的数值； 在遥控指令方式下，调度对风场进行功率控制，目标有功为调度实时下发的有功功率值。 在自由指令方式下，调度不对风场功率做限制，目标有功为风场装机容量的1.2倍。 目标有功：显示当前指令方式下设定的想让风电场调节到的有功功率值。 人工设定：在人工指令方式下对目标有功进行设置，有权限限制，满足权限时才可操作。 风场实际有功：风电场实际上网有功功率。 风场理论有功：华锐风机上送点，代表风场当前气候条件下可发有功功率。 有功死区：有功调节死区设定值的显示，如图显示有功死区是0.1MW，表示目标有功功率与风机实际有功功率的差值在0.1 MW之内，不对风机有功出力进行调节，当目标有功功率与风机实际有功功率的差值超过0.1 MW时，对风机出力进行调节。
风电功率预测问题 摘要 风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。 近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。 大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。 如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。 因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。根据电力调度部门安排运行方式的不同需求，风电功率预测分为日前预测和实时预测。日前预测是预测明日24小时96个时点（每15分钟一个时点）的风电功率数值。实时预测是滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。 对于问题一我们建立了3个模型：1、时间序列模型即指数平滑模型2、拟合回归模型3、神经元预测模型即BP模型。针对这3种模型，根据相对误差的大小和准确度的大小判断来确定优先选择哪个模型。 对于问题二，在第一问的基础上对相关模型进行了比较，分析，做出了预期。 对于问题三，在第一问的基础上，对相关的模型进行了改善，使其预测的更加准确。 关键词：风功率实时预测 BP网络神经 matlab 时间序列
问题的重述 一、背景知识 1、风功率预测概况 风功率预测是指风电场风力发电机发电功率预测。 风电场是利用在某个通过预测的坐标范围内，几座或者更换多的经过科学测算，按照合理距离安装的风力发电机，利用可控范围内的风能所产生的电力来实现运行供电。 由于风是大气压力差引起的空气流动所产生的，风向和风力的大小时刻时刻都在变化。因而，风力发电具有波动性、间歇性和随机性的特点。 这些特点所导致的风电场功率波动，会对地区电网整体运行产生影响，进而会影响到整个地区总网内的电压稳定。因此，当风力发电场，特别是大容量风力发电场接入电网时，就会给整个电力系统的安全、稳定运行带来一定的隐患。同时，这些波动性、间歇性和随机性的特点，也会严重影响风机的发电效率和使用寿命。 2、风功率原理介绍 风功率预测系统技术，是根据风电场气象信息有关数据，利用物理模拟计算和科学统计方法，对风电场的风力风速进行短期预报，而预测出风电场的功率，从而也可实现电力调度部门对风电调度的要求。 二、具体试验数据 PA、PB、PC、PD、P4和P58数据 附件1：风电场功率预测预报管理暂行办法 附件2：风功率数据P A 风功率数据P B 风功率数据P C 风功率数据P D 58台机总风功率数据P 58
风电场有功功率控制综述 发表时间：2019-03-29T16:00:29.617Z 来源：《电力设备》2018年第29期作者：龙玮[导读] 摘要：经济的发展，促进人们对能源需求的增大。 （上海上电电力工程有限公司上海 200090）摘要：经济的发展，促进人们对能源需求的增大。风能作为一种清洁的可再生能源具有取之不尽、用之不竭、环境污染小、投资灵活等诸多优点。风电场的有功功率控制是风电场可控运行的一项关键技术，控制策略的优劣直接影响到风场输出功率的稳定性、快速性、跟随性等各项性能指标，所以发展风电场的有功功率控制技术能够保证更有效地利用风能，也对电力系统的安全、稳定运行起着重要作用。 本文就风电场有功功率控制展开探讨。 关键词：风电场；风电机组；有功功率控制引言 由于风电具有随机性、波动性和反调峰特性，高比例的风电并入电网会对电力系统的稳定性和安全性造成很大的冲击，因此有必要对风电场有功功率输出进行控制，减少风电功率的波动性，提高输出功率的平滑性。 1．风电场有功功率控制原理风电场有功功率控制系统一般主要由风电场功率控制层、机组群控制层、机组控制层组成图，各层功能及控制周期见表1。 表1风电场分层控制 风电场有功控制系统的目的是为了使风电场能够根据调度指令调整其有功功率的输出，在一定程度上表现出与常规电源相似的特性，从而参与系统的有功控制。然而，风电场有功控制能力不等同于风力发电机组控制能力的简单叠加。为此，利用风力发电机群的统计特性，可以采用两种方式实现此目的：一是将风电场有功控制系统分为风电场控制层、各类机群控制层和机组控制层，依次下达调度指令，完成风电场有功功率控制的任务；二是电网调度中心将指令直接下达给风电机组，各机组调节有功出力，实现有功功率的控制。 2．风电场有功功率的控制 2.1最大出力模式 最大出力模式是指当风电场的预测功率小于电网对风电场的调度功率时，风电场处于最大出力状态向电网注入有功功率。最大出力控制模式就是在保证电网安全稳定的前提下，根据电网风电接纳能力计算各风场最大出力上限值，风电场输出功率变化率在满足电网要求的情况下处于自由发电状态。若超出本风电场的上限值时，可根据其他风场空闲程度占用其他风电场的系统资源，以达到出力最大化和风电场之间风资源优化利用的目的。在最大出力模式投入运行时，风电场内的各台达到切入风速但在额定风速以下的风机处于最大功率跟踪（MaximumPowerPointTracking，MPPT）状态；风电场内处于额定风速以上的各台风电机组运行在满功率发电状态，从而保证风电场的输出功率达到最大值，尽可能提高风能资源的利用效率。 2.2 基于目标函数优化的功率控制 基于目标函数优化的有功功率控制策略，通常先确定目标函数以及约束条件，在此基础上建立多目标优化的风电场模型。在基于目标函数优化的场站级有功功率控制策略中，基于小扰动分析方法分析了限功率运行下风电机组非线性模型的稳定特性，并综合了3个目标，分别是限功率运行状态均衡度、风电场功率目标偏差、总机组启停次数最少，建立了多目标优化模型。以减少风电机组控制系统的动作次数和平滑风电机组的功率输出为目标，通过超短期风功率预测数据确定风电机组出力趋势，来确定风电机组的出力加权系数，从而来优化风电场内有功调度指令，并与传统的固定比例分配算法以及变比例分配算法作比较，说明其控制策略的有效性。 2.3 功率增率控制模式 功率增率控制模式是对风电场输出有功功率的变化率进行限制，使风电场输出的有功功率能够保持一定的稳定性，并且能满足国家电网公司颁布的关于有功功率变化率的相关规定。在功率增率控制模式投入运行时，风电场的输出功率在每个控制周期的变化必须在给定的斜率范围之内，且风电场的整体输出功率应该在满足斜率的前提下尽量跟随风电场的预测功率。风电场的功率增率控制模式可以避免风电场的输出功率变化过于频繁、变化率过大，从而保证功率输出的稳定性。该模式通常与风电场的其他控制模式组合使用，在保证输出功率斜率满足条件下，对风电场的其他方面进行控制。 2.4 分层控制策略 分层控制策略一般将风电场内的控制系统分为若干层，从场站级控制层面到单机控制层面，逐层优化调度指令，从而实现风电场有功功率控制的准确度。在基于风电场场站级的分层控制策略中，综合运用分层递阶控制和模型预测控制方法，提出了一种含大规模风电场的电网有功调度控制方法。以风电场场站级有功控制为研究对象，将控制策略分为群间和群内优化调度2个层面，并提出一种基于遗传算法改进的模糊C均值聚类算法，用于风电场内的机组分群，根据风电机组分群结果和分群调度思想，来实现风电场输出功率可控的目标，但本策略是在假设风电场预测功率准确的情况下进行控制的，并未深入研究风电场预测功率的准确性对调度的影响。风电场内有功调度分为3个层次，分别是场站优化分配层、分群控制层、单机管理层，在分群控制层面，根据风电机组未来有功功率变化趋势以及负荷状态进行机组分类，值得借鉴的是，该系统加入了反馈校正环节，根据风电场实时有功功率的数据反馈，对功率组合预测模型系统进行误差反馈校正，整体提高了有功功率预测的精度。随着装机容量的不断增加，造成风电场存在大量的弃风现象，由此风电场的控制模式发生变化，从传统的MPPT模式向限功率控制模式转变，这对风电场以及风电机组的控制策略提出了更高的设计要求。考虑变速恒频风电机组在不同风速下的功率调节和机械特性，从电气性能，机械性能，运行维护状态3个准则层出发，提出风电场功率调节综合评价指标体系，在此评价体系中，各指标的权重使用熵值法修正的层次分析法来确定，并通过模糊综合评价对机组调节性能进行评分，进而确定调控序列，建立风电场降功率优化分配模型。
风电场的风速以及风功率变化规律的研究 摘要：随着风电场的大规模建设，弃风电量的评估得到越来越多的关注。本文主要研究风电场的风速以及风功率变化规律，旨为弃风电量评估模型建立打下坚实的基础。提前掌握风速和风功率变化规律的情况，可以减少旋转备用容量，减小风力发电系统成本，并且为电网运行调度提供可靠的依据。 关键词：风电场；风速；风功率；变化规律 DOI：10.16640/https://www.doczj.com/doc/3f18912047.html,ki.37-1222/t.2017.08.151 1 引言 风能作为一种可再生、洁净的能源，近年来在全世界范围内得到了突飞猛进的发展。由于风能具有波动性、间歇性、低能量密度、不可控性等特点，大规模风电的接入对电力系统的安全稳定运行带来了很大的挑战。因此在弃风电量评估模型建立以前，对风电场的风速以及风功率变化的统计规律的研究显得至关重要，提前掌握风速和风功率变化规律的情况，可以减少旋转备用容量，减小风力发电系统成本，并且为电网运行调度提供可靠的依据。 2 风速-风功率特点 通过大量文献的查阅和参考，总结出风速变化主要表现
为以下两种特点：（1）由于风能的能量密度较低，气温、阴晴、降水等都会引起风速的变化，因此风速变化将存在很大的波动性，呈现为非平稳的随机信号。（2）由于风速的变化跟太阳的照射有密切关系，所以在一天中风的强弱在某种程度上又呈现周期性。 风功率变化主要表现为以下两种特点：（1）由于风的能量密度低，气温、多云的天气，降水会引起风速变化，所以风功率变化会有很大波动，呈现出非平稳随机信号。（2）影响风功率变化的因素很多，包括风速、风向、空气湿度、大气密度等气象信息和风电场的位置、风机布局、地表粗糙度、海拔高度等物理信息。 因此，为了更好研究弃风电量评估模型，本文重点研究风速与风功率的变化规律，为研究弃风电量评估模型建立打好坚实的基础。 3 风速及风电功率变化的统计规律的数据指标 根据风电场测风塔实测历史数据和风电场风力发电历 史运行数据，研究该风电场的风速以及风功率变化的统计规律，确定各项数据指标的基本范围，为数据的预处理工作奠定基础。数据指标包括：（1）测风塔气象数据（十米处风速、风向、气压、温度、湿度，二十米处风速、风向，四十米处风速、风向，风机轮毂高度处风速、风向）：每小时均值、每小时最大值、每小时最小值、日均值、日最大值、日最小
风功率预测系统
一、风功率预测的目的和意义 1. 通过风电功率预测系统的预测结果，电网调度部门可以合理安排发电计 划，减少系统的旋转备用容量，提高电网运行的经济性。 2. 提前预测风电功率的波动，合理安排运行方式和应对措施，提高电网的 安全性和可靠性。 3. 对风电进行有效调度和科学管理，提高电网接纳风电的能力。 4. 指导风电场的消缺和计划检修，提高风电场运行的经济性。 5.应相关政策要求。 二、设备要求 提供的设备应满足《风电功率预测系统功能规范》中所提出的各项要求。
陆丰宝丽华新能源电力有限公司
四、设备介绍 可能涉及到的设备： 以下出自北京中科伏瑞电气技术有限公司的FR3000F系统 数据采集服务器： 运行数据采集软件，与风电场侧风电综合通信管理终端通信采集风机、测风塔、风电场功率、数值天气预报、风电场本地风电功率预测结果等数据。 数据库服务器： 用于数据的处理、统计分析和存储，为保证数据可靠存储，配置了磁盘阵列。应用工作站完成系统的建模、图形生成显示、报表制作打印等应用功能。 风电功率预测服务器： 运行风电功率预测模块，根据建立的预测模型，基于采集的数值天气预报，采用物理和统计相结合的预测方法，并结合目前风电场风机的实时运行工况对单台风机及整个风电场的出力情况进行短期预测和超短期预测。 数据接口服务器： 负责从气象局获得数值天气预报，为保证网络安全在网络边界处配置反向物理隔离设备。同时向SCADA/EMS系统传送风电功率预测的结果。 测风塔： 测风塔测量数据（实时气象数据）是用来进行超短期功率预测的。测风塔有两种类型，一是实体测风塔，一是虚拟测风塔。一个风塔造价占系统的的20~30%左右。 实体测风塔：变化频繁的自然条件和复杂的地形地貌给预测系统增加了困难，实体测风塔的安装台数应根据风场的实际地理条件等情况进行安装，以保障预测的准确性。实体测风塔应安装在风场5km范围内，通过GPRS或者光纤采集风塔的实时气象数据。
风电场有功功率控制系统的研究 作者：孔朝志 摘要：在分析风力发电机组有功功率控制的基础上，提出风电场的有功功率控制策略。利用MATLAB/Simulink环境，建立风电场功率控制系统的仿真模型。以电网调度给定功率波动为例，对风电场的有功功率调节过程进行仿真研究。通过理论研究和仿真分析，验证了风电场有功功率控制策略的可行性和有效性。 关键词：风力发电，风电场，有功功率控制，功率分配 0. 引言 风电是一种具有间歇性、波动性的电源，大规模风电场的建设给电网调度和运行都带来了挑战。国家电网公司制定的Q/GDW 392-2009《风电场接入电网技术规定》中指出，风电场应具备有功功率调节能力，能根据电网调度部门指令控制其有功功率输出。因此，为了实现对有功功率的控制，风电场需配置有功功率控制系统，接收并自动执行调度部门远方发送的有功功率控制信号，确保风电场最大有功功率值及有功功率变化值不超过电网调度部门的给定值。在电网紧急情况下，风电场应根据电网调度部门的指令控制其输出的有功功率，并保证风电场有功功率控制系统的快速性和可靠性。必要时，可通过安全自动装置快速自动切除或降低风电场有功功率。 1. 风电场有功功率控制的原理 由于风能的间歇性和随机性，精确预测风电功率难度非常大。从电网运行角度进行风电有功功率控制，难以像火电、水电等常规电源一样做到随时按照电网调度的要求在指定出力下运行，而且为了有效利用风能资源，必须尽可能保证风电出力的最大化。因此，风电有功功率控制有以下2种方式： 1) 最大出力控制模式。即在保证电网安全稳定的前提下，根据电网风电接纳能力计算各风电场最大出力上限值，风电场出力低于上限值时处于自由发电状态(爬坡速率必须满足要求)，超出本风电场最大出力上限值时，可根据其他风电场空闲程度占用其他风电场的系统资源，以达到风电出力最大化与风电场之间风能资源优化利用的目标。 2) 出力跟踪控制模式。即以各风电场风电功率预测为依据，经控制中心站安全校核后下发各风电场发电计划，各风电场必须实时跟踪发电计划进行有功功率的调整。 实现有功功率控制，需要解决以下两大技术难题： 1) 系统的架构设计。即如何根据现有的信道条件、可用设备资源和允许投资总额情况，设计整个系统的架构，保证系统的可靠性和可行性，同时还要考虑系统在今后一段时间内的可扩展性。 2) 系统的控制策略设计。控制策略设计是系统设计的核心，调度运行人员对风电场调度运行的控制经验和控制方法均体现在控制策略设计中。通过有功控制系统对控制策略的自动实施，代替调度运行人员对风电场的实时控制，减少调度运行人员与风电场之间频繁的业务联系和复杂的计算，让其专注于对全网的监控。合理的控制策略设计同时也能最大限度地利用风能资源和电网输电通道资源，提高风电接纳能力和各风电场发电量，加强对风电场的管理和控制。 2. 风电场有功功率控制系统的设计 2.1 风电场功率控制系统
龙源期刊网 https://www.doczj.com/doc/3f18912047.html, 风功率预测系统的应用与优化的讨论 作者：王文刚刘建鹏（等） 来源：《科技创新与应用》2013年第14期 摘要：风电场风功率预测系统是风电安全、优质并网运行的关键技术手段，也是实现风 电场监控及信息化管理的重要基础。同时，采用风功率预测系统，能够有效提高电网调峰能力，增强电网的风电接纳能力，改善电力系统运行的安全性与经济性。文章介绍了即墨华能风电场使用的NSF3100风功率预测系统的体系结构、主要功能，并结合并网风电场给预测系统带来的精度问题展开了讨论。通过实时风场功率数据采集、对比、分析，实现对风场的功率预测和控制，确保电网安全稳定可靠运行。 关键词：风电场；风功率预测系统；应用；预测准确率 ABSTRACT：Wind power forecasting system is the key technical means of wind power security and high-quality operation， but also an important foundation for wind power monitoring and information management. And the wind power forecasting system is the most effective means to improve the power grid peaking capacity， enhance the grid for accepting wind power， perfect security and economy of the power system. This paper introduces the wind power forecasting system NSF3100 in Huaneng Jimo wind farm， including system architecture， main functions， and makes discussions on its improvement. This paper expounds the power prediction function of Huaneng Jimo wind power forecasting system carries out the power controlling for wind farm and keep grid a safe and stable operation through collection， comparison， analysis of the wind power data. KEY WORDS：Wind power； forecasting system； application； predicting accuracy 引言 华能即墨风电场坐落于山东青岛即墨市境内，10米高度年平均风速5.7米/秒，风功率密 度为216.88瓦/平方米，现一期49.5MW已于2011年12月22日并网发电。作为山东省第一家正式投入风功率系统风力发电企业，华能即墨风电场采用的是国电南瑞NSF3100风电功率预测系统。 NSF3100风功率预测系统具有短期预测及超短期预测功能。超短期预测能够预测风电场未来0-4小时的输出功率，时间分辨率为15分钟一次；短期预测能够预测风场未来0-72小时的输出功率[1]，时间分辨率也为15分钟一次。预测系统分为实时数据监测、功率预测、软件平台展示三个部分。利用风功率预测系统，电网调度运行人员能够比较准确地预测出风电场的输出功率，提高风电接纳水平。 本文介绍了NSF3100风功率预测系统的组织框架和功能，阐述了系统的应用情况与优化，并对系统的改进进行了讨论。